지금까지 학습 시스템을 간단히 소개했습니다. 수많은 옵션을 이용해서 학습 시스템을 표현할 수 있습니다.

우리가 사용할 여러 가지 종류의 모델은 다음 장에서 소개하겠습니다. 선택할 수 있는 옵션이 정말 많이 있습니다.

학습 시스템 구축에 대한 일반적인 사항에는 어떤 것이 있을까요? 두 가지 다른 관점을 생각해 봅시다. 첫째, 하이 레벨입니다. 학습 시스템 그 자체보다는 학습 시스템을 둘러싼 환경에 더 관심을 두는 것이죠. 둘째, 로우 레벨에서 세부적인 사항을 살펴봅니다. 주변에 있는 모든 복잡성을 추상화하고, 단지 학습 시스템을 작동시키려고 노력하는 것입니다. 특성과 타깃 간 확실한 관계를 찾으려고 노력하는 것입니다. 이것으로 답이 없는 아주 큰 문제를 잘 정의하고 제한된 학습 문제로 줄였습니다.

다음은 하이 레벨에서 단계들입니다.

1. 풀고자 하는 문제를 이해합니다(문제 이해).

2. 데이터를 수집하고 이해합니다(데이터 수집).

3. 모델링을 위해 데이터를 준비합니다(데이터 준비).

4. 데이터가 가진 관계를 표현하는 모델을 만듭니다(모델링).

5. 모델을 평가하고 다른 모델과 비교합니다(평가).

6. 학습한 모델을 시스템에 배포합니다(배포).